Uang merupakan segala sesuatu yang diterima secara umum sebagai alat pembayaran resmi dalam memenuhi suatu kewajiban. Peredaran uang sangat penting untuk diperhatikan dan dikendalikan, sehingga memberikan dampak positif terhadap perekonomian. Pengendalian peredaran uang biasanya ditekankan pada jenis uang kartal, yaitu yang berbentuk uang kertas dan logam. Salah satu cara yang dapat dilakukan dalam membantu pengendalian uang kartal adalah dengan peramalan. Penelitian ini bertujuan untuk mengetahui perbandingan akurasi hasil peramalan pada data peredaran uang kartal dengan menggunakan metode SARIMA dan ELM. Data yang digunakan merupakan data peredaran uang kartal dari Bulan Januari 2011 sampai Bulan April 2022. Metode SARIMA merupakan metode peramalan data runtun waktu yang mengandung musiman, sedangkan metode ELM merupakan metode pada jaringan syaraf tiruan yang mampu melakukan peramalan. Model SARIMA terbaik yang didapatkan yaitu SARIMA(1,1,0)(0,1,0)12. Arsitektur ELM terbaik yang didapatkan yaitu 12 neuron input layer, 45 neuron hidden layer, dan 1 output layer. Ukuran kesalahan peramalan untuk menentukan model yang lebih baik yaitu menggunakan MAPE. Hasil penelitian menunjukkan bahwa metode SARIMA memiliki MAPE data training sebesar 2,3270?n pada data testing sebesar 2,2772%, sedangkan metode ELM memiliki MAPE data training sebesar 4,2548?n pada data testing sebesar 3,8615%. Oleh karena itu, metode SARIMA lebih baik daripada metode ELM dalam meramalkan peredaran uang kartal di Indonesia.
